[發明專利]一種基于背景感知的多跟蹤器融合目標跟蹤方法

有效

• 申請號: 202110347007.0
• 申請日: 2021-03-31
• 公開（公告）號: CN112991390B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 尹明鋒;周文娟;游麗萍;花旭;金圣昕;周林葦;貝紹軼
• 申請（專利權）人: 江蘇理工學院;江蘇省中以產業技術研究院
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/194;G06T7/44
• 代理公司: 南京聚匠知識產權代理有限公司 32339
• 代理人: 劉囝

本發明公開了一種基于背景感知的多跟蹤器融合目標跟蹤方法，先通過提取目標區域的顏色直方圖，采用基于粒子濾波的目標跟蹤方法進行跟蹤，得到目標的位置信息；再采用背景感知相關濾波器進行目標跟蹤，獲取目標位置信息；接著采用尺度池技術對目標尺度進行估計，并進行更新，得到最新的目標尺度；對目標模型進行更新；重復上述步驟直至當前序列所有幀跟蹤結束。本發明使用了多跟蹤器融合的機制，采用粗略定位和精確定位相結合，提高了跟蹤模型的泛化能力；在訓練相關濾波器時增加了對背景信息的抑制，提高了跟蹤方法的抗干擾能力；在目標跟蹤過程中引入了尺度更新和模型更新機制，提高了跟蹤方法應對復雜場景中目標模型變化的魯棒性。

技術領域

本發明涉及一種基于背景感知的多跟蹤器融合目標跟蹤方法，屬于目標跟蹤技術領域。

背景技術

隨著科技和社會的發展，目標跟蹤成為計算機領域中的研究熱點之一，在視頻監控、人機交互、智能交通等領域得到了廣泛的應用，在軍事和民用領域擔當著越來越重要的角色。視覺跟蹤任務是在給定跟蹤目標的初始狀態下，最終實現對目標持續識別和跟蹤，獲得物體的運動信息，進一步提取物體運動軌跡，并對物體進行運動分析，從而實現對物體運動行為的理解。由于跟蹤場景的多樣性和復雜性，現有目標跟蹤算法對目標進行判別和定位依然不夠準確，如何進一步提升現有目標跟蹤算法的性能具有十分重要的研究意義。

目前，基于粒子濾波(Particle?Filter，PF)的目標跟蹤算法因能夠有效地解決視覺目標跟蹤中普遍存在的目標狀態非線性、噪聲分布非高斯性的問題，得到了廣泛的應用。而傳統的基于顏色直方圖的粒子濾波視覺目標跟蹤算法雖然在處理遮擋、光照變化等場景具有一定的魯棒性，但由于顏色直方圖表征能力不夠，易受相似目標、相機抖動等因素干擾，甚至丟失目標。

近年來，基于相關濾波(Correlation?Filter，CF)的目標跟蹤算法由于具有較強的魯棒性和超高的跟蹤速度也得到了廣泛的應用。但由于循環轉移采樣和余弦窗的引入，大多數相關濾波器都會產生邊界效應(Boundary?Effects)。為解決該問題，Mueller等提出了背景感知相關濾波方法(Context-Aware?Correlation?Filter?Tracking，CACF)，在解決邊界效應的同時增強了相關濾波器對背景信息的學習。此外，CACF方法存在閉合解，不需要進行迭代求解，有著較好的算法實時性。

然而，隨著跟蹤場景的多樣化和跟蹤目標的復雜化，單一跟蹤器很難應對所有跟蹤的挑戰，因此很有必要利用多跟蹤器融合進行目標跟蹤；故，如何融合不同跟蹤器，充分利用其之間的互補性，從而顯著地提高跟蹤算法的性能，是一個亟需解決的問題。

發明內容

針對上述現有技術存在的問題，本發明提供一種基于背景感知的多跟蹤器融合目標跟蹤方法，可提高跟蹤模型的泛化能力、跟蹤方法的抗干擾能力以及跟蹤方法應對復雜場景中目標模型變化的魯棒性。

為了實現上述目的，本發明采用如下技術方案：一種基于背景感知的多跟蹤器融合目標跟蹤方法，包括如下步驟：

步驟S1、根據視頻序列第一幀輸入圖片I₁和目標框，以及后續輸入圖片I_t+1，t∈[1，L-1]，L為視頻序列總幀數，x_t＝(w，h)為中心點坐標，c_t＝(c_w，c_h)為目標尺度；

步驟S2、提取目標區域的顏色直方圖，采用基于粒子濾波的目標跟蹤方法進行跟蹤，得到目標的位置信息

步驟S3、采用背景感知相關濾波器進行目標跟蹤，獲取目標位置信息；

步驟S4、采用尺度池技術對目標尺度進行估計，并進行更新，得到最新的目標尺度c＝(c_w，c_h)；

步驟S5、對目標模型進行更新；